Explorar las categorías
Español
$
USD
Conéctate con tu IA
Crearé un chatbot rag o un chatbot de IA entrenado con tus documentos usando AWS bedrock
Devendra V
Acerca de este Servicio
Traducción automática
Construyo un chatbot RAG que responde desde tus propios documentos, muestra sus fuentes y dice cuando no sabe. Tengo 4.75 años gestionando AWS en producción.
Los chatbots genéricos inventan cosas. Un chatbot RAG es un chatbot de IA entrenado con tus datos mediante recuperación, así cada respuesta se mantiene basada en tus PDFs, documentos y base de conocimientos.
Lo que obtienes:
- Ingesta de PDFs, páginas web, Notion, Google Drive o una base de datos
- Búsqueda vectorial o híbrida con reordenamiento
- Modelos OpenAI, Claude o Amazon Bedrock
- API, chat web o bot para Slack y Teams
- Implementado en AWS con autenticación y control de costos
Resultado reciente: un chatbot RAG en producción en AWS Fargate y Aurora donde aumenté la precisión de recuperación de 26/31 a 31/31, con menos de 1 centavo por pregunta, con evaluaciones nocturnas.
Por qué elegirme:
- Calificado como Top Rated en Upwork con más de 130 trabajos completados
- Certificado HashiCorp Terraform Associate (003)
- 4.75 años de experiencia práctica en AWS DevOps
Envíame un mensaje con tus documentos y caso de uso antes de ordenar para confirmar el paquete adecuado.
Conoce a Devendra V
Devendra V
AI and DevOps Engineer, RAG, LLM Apps, AWS
- DeIndia
- Miembro desdeago 2026
- Responde aprox. en:1 hora
Idiomas
Hindi, Inglés, Gujarati
I build AI systems that run in production, not demos that break in week one. RAG pipelines over messy internal docs, LLM apps, and agents that do real work.
The difference is what sits underneath. 4.75 years on AWS, Terraform, Docker and CI/CD means I handle deployment, monitoring and cost control, not just the model call.
Recent work: a RAG backend serving live client queries, monitoring stacks for multi-tenant hosting, and a large AWS bill cut without downtime.
Tell me what you want to build and I will tell you straight whether it is a two day job or a two month one.
Traducción automática
Mi porfolio
FAQ
Traducción automática
¿Qué base de datos vectorial usas?
pgvector en Postgres, OpenSearch, Pinecone, Qdrant o Chroma. Para la mayoría de los clientes, pgvector mantiene las cosas simples y económicas.
¿Mis datos permanecerán privados?
Sí. Puede ejecutarse en tu propia cuenta de AWS, y con Bedrock tus datos permanecen dentro de AWS. Nada se usa para entrenar modelos públicos.
¿Qué necesitas de mí para empezar?
Documentos de muestra o acceso a donde se encuentran, una lista breve de preguntas reales que hacen los usuarios y una cuenta de AWS o clave de API para el modelo que prefieras. Te envío una lista de verificación después de que hagas tu pedido y nunca necesito tu contraseña raíz de AWS.
¿Cuánto tiempo toma y cuántas revisiones incluyen?
Cada paquete indica su tiempo de entrega y número de revisiones. Los conjuntos de documentos grandes o las integraciones personalizadas pueden tardar más, así que confirmo el plazo contigo antes de que hagas tu pedido.
¿Los costos de AWS y de la API del modelo están incluidos en el precio?
No. El hosting en AWS y el uso de la API del modelo se facturan a tus propias cuentas. Diseño para tener un bajo costo de operación, y mi propio chatbot RAG de producción responde por menos de 1 centavo por pregunta.
